艾城的日益普及,新领域新兴的预测维修和生产决策科学。然而,有很多有关固定资产建模复杂性,训练预测模型,这些模型和部署在规模,包括:
生成故障数据,很难获得,但物理模拟可以用来创建合成数据和各种失败条件。
摄取许多传感器的高频数据,time-alignment很难设计一个流体系结构。
这个演讲将专注于使用MATLAB建立一个系统来应对这些挑战®,仿万博1manbetx真软件®,Apache™卡夫卡®,微软®Azure®。您将看到一个物理模型的工程资产和学习如何开发资产的机器学习模型。部署模型作为一个可伸缩的、可靠的云服务,我们将结合time-windowing与Apache卡夫卡和管理无序的数据。
